DBSCAN方法及應用
1.DBSCAN密度聚類簡介
DBSCAN 算法是一種基於密度的聚類算法：
1.聚類的時候不需要預先指定簇的個數
2.最終的簇的個數不確定
DBSCAN算法將數據點分為三類：
1.核心點：在半徑Eps內含有超過MinPts數目的點。
2.邊界點：在半徑Eps內點的數量小於MinPts,但是落在核心點的鄰域內的點。
3.噪音點：既不是核心點也不是邊界點的點。
如下圖所示：圖中黃色的點為邊界點，因為在半徑Eps內，它領域內的點不超過MinPts個，我們這里設置的MinPts為5；而中間白色的點之所以為核心點，是因為它鄰域內的點是超過MinPts（5）個點的，它鄰域內的點就是那些黃色的點！
2.DBSCAN算法的流程
1.將所有點標記為核心點、邊界點或噪聲點；
2.刪除噪聲點；
3.為距離在Eps之內的所有核心點之間賦予一條邊；
4.每組連通的核心點形成一個簇；
5.將每個邊界點指派到一個與之關聯的核心點的簇中（哪一個核心點的半徑范圍之內）。
